a la Finance Université Paris 1 Calcul Stochastique ... - samos-matisse
a la Finance Université Paris 1 Calcul Stochastique ... - samos-matisse
a la Finance Université Paris 1 Calcul Stochastique ... - samos-matisse
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
2.3 Quelques propriétés des diffusions. 33<br />
Une solution forte est c<strong>la</strong>irement une solution faible, mais <strong>la</strong> réciproque est fausse, comme<br />
le montre l’exemple suivant. L’existence d’une solution faible peut en effet être montrée sous<br />
des conditions plus générales sur les coefficients.<br />
Exemple 2.9 (Équation de Tanaka) Notons sign(x) = 1 si x ≥ 0 et sign(x) = −1 si<br />
x < 0. Alors l’EDS<br />
X t =<br />
∫ t<br />
admet une solution faible, mais pas de solution forte.<br />
0<br />
sign(X s )dB s (2.14)<br />
Si ( Ω, F, (F t ), B, X ) est une solution faible, le processus X est une martingale continue<br />
de variation quadratique 〈X, X〉 t = ∫ t<br />
sign(X 0 s) 2 ds = t et d’après <strong>la</strong> caractérisation du<br />
Brownien de P. Lévy (Théorème 1.33), X est un (F t )-Brownien. On en déduit immédiatement<br />
<strong>la</strong> « construction » d’une solution faible.<br />
∫<br />
Soit (X t ) un Brownien et (F t ) sa filtration naturelle. Pour tout t ≥ 0 soit B t =<br />
t<br />
sign(X 0 s)dX s . Le processus (B t ) est une (F t )-martingale continue, de variation quadratique<br />
〈B, B〉 t = t. La caractérisation du Brownien de P. Lévy montre donc que B est un<br />
(F t )-Brownien. De plus, dB t = sign(X t )dX t , c’est à dire que dX t = sign(X t )dB t .<br />
Sur l’espace probabilisé (Ω, F, (F t ), P), le couple (B, X) est donc une solution faible de<br />
(2.14). On voit d’ailleurs que sur le même espace probabilisé, (B, −X) est également une<br />
solution faible de (2.14), qui ne peut donc avoir une unique solution « trajectorielle » mais<br />
au mieux une unique solution « en loi ».<br />
L’absence de solution forte sera admise.<br />
Définition 2.10 On dit qu’il y a unicité en loi de <strong>la</strong> solution de (2.13) si deux solutions<br />
faibles ( (Ω, F, (F t ), P), B, X ) et ( (˜Ω, ˜F, ( ˜F t ), ˜P), ˜B, ˜X ) ont <strong>la</strong> même loi, c’est à dire que<br />
pour tout n ≥ 1 et tout 0 ≤ t 1 < t 2 < · · · < t n , les lois des vecteurs (X t1 , · · · , X tn ) et<br />
( ˜X t1 , · · · , ˜X tn ) sont égales.<br />
Le raisonnement précédent montre que pour l’équation de Tanaka (2.14), il y a unicité en<br />
loi puisque nous avons montré que toute solution faible est un Brownien.<br />
On remarque par ailleurs que si les coefficients σ et b satisfont les conditions (2.3)<br />
et (2.4), le Théorème 2.6 montre l’existence et l’unicité forte de <strong>la</strong> solution de (2.6). Il<br />
y a aussi unicité en loi de <strong>la</strong> solution forte ou de <strong>la</strong> solution faible de (2.13). En effet,<br />
soit ( (Ω, F, (F t ), P), B, X ) et ( (˜Ω, ˜F, ( ˜F t ), ˜P), ˜B, ˜X ) deux solutions faibles et soit Y et Ỹ<br />
deux ( solutions fortes continues de (2.6) définies respectivement sur les espaces probabilisés<br />
Ω, F, (Ft ), P), B ) et (˜Ω, ˜F, ( ˜Ft ), ˜P), ˜B ) . Le Théorème 2.6 permet de conclure que l’on a<br />
X t = Y t pour tout t ≥ 0 P p.s. (c’est à dire, qu’en utilisant <strong>la</strong> continuité des trajectoires<br />
on a un ensemble négligeable construit à partir des instants rationnels en dehors duquel les<br />
trajectoires coïncident). De même ˜X t = Ỹt pour tout t ≥ 0 ˜P p.s. Pour prouver l’unicité<br />
faible, il suffit donc de prouver que les lois de X et ˜X sont égales. En reprenant les schémas<br />
d’itération de Picard (2.9) pour X et ˜X, on vérifie que pour tout n ≥ 0, les lois des processus<br />
continus (B t , X (n)<br />
t<br />
) et ( ˜B t ,<br />
˜X<br />
(n)<br />
t<br />
) sont égales.<br />
2.3 Quelques propriétés des diffusions.<br />
2.3.1 Flot stochastique et Propriété de Markov<br />
Soit σ et b des coefficients qui satisfont les conditions globales de Lipschitz (2.3) et<br />
de restriction sur <strong>la</strong> croissance (2.4). En reprenant <strong>la</strong> démonstration du Théorème 2.6, on<br />
26 octobre 2009 <strong>Calcul</strong> <strong>Stochastique</strong> 2 - Annie Millet